[發明專利]用于機動車的駕駛員輔助系統的主對象選擇的方法和駕駛輔助系統

在審

• 申請號: 202010076709.5
• 申請日: 2020-01-23
• 公開（公告）號: CN111469852A
• 公開（公告）日: 2020-07-31
• 發明（設計）人: M·施萊歇;T·米哈爾凱;J·施特勒特;M·多爾戈夫;U·鮑曼
• 申請（專利權）人: 羅伯特·博世有限公司
• 主分類號: B60W40/04
• 分類號: B60W40/04;B60W30/16;B60W50/00
• 代理公司: 永新專利商標代理有限公司 72002
• 代理人: 郭毅

一種用于為機動車的駕駛員輔助系統或駕駛系統的輔助功能或自動化駕駛功能進行主對象選擇的方法，該系統包括對象選擇分支，該對象選擇分支包括基于規則的第一對象選擇分支以及第二對象選擇分支，第一對象選擇分支用于選擇用于功能的主對象，第二對象選擇分支包括用于選擇用于功能的主對象的人工神經網絡，該方法包括以下步驟：將至少一個傳感器的傳感器數據聚合成一個或多個對象數據組；在人工神經網絡的訓練數據方面對由聚合的對象數據組表示的交通情況的新奇性進行評估；在系統的對象選擇分支之間進行切換，其中，如果交通情況的新奇性超過閾值，則使用基于規則的對象選擇分支。本發明還涉及一種用于執行該方法的駕駛員輔助系統或駕駛系統。

技術領域

本發明涉及一種用于為機動車的駕駛員輔助系統或駕駛系統的輔助功能或自動化駕駛功能進行主對象選擇的方法，其中，所述系統包括用于檢測機動車的交通環境的至少一個傳感器。本發明還涉及一種用于機動車的駕駛員輔助系統或駕駛系統。

背景技術

已知部分自動化的駕駛員輔助系統，該部分自動化的駕駛員輔助系統如此匹配車輛速度，使得可以以安全距離跟隨前方行駛的車輛。這種行駛速度調節裝置也稱為ACC(英語Adaptive Cruise Control：自適應巡航控制)系統。從由雷達傳感器探測到的多個雷達對象中確定應跟隨的主對象——即所謂的目標對象。目標對象通常位于自身車道上，并在自身車輛前方行駛。

通過適當創建的并在駕駛員輔助系統中實施的算法來基于規則地確定目標對象。

發明內容

本發明的任務是提供一種方法和一種相應的駕駛員輔助系統或駕駛系統，所述駕駛員輔助系統或駕駛系統允許更高效地且同時可靠地選擇用于輔助駕駛功能或自動化駕駛功能的目標對象。

自動化駕駛功能例如可以包括用于輔助駕駛員的功能，或者包括用于部分自動化的、有條件自動化(條件自動化)的、高度自動化的或全自動化的駕駛的功能。自動化駕駛功能尤其可以包括用于自主駕駛或部分自主駕駛的功能。

例如，駕駛員輔助系統或駕駛系統可以相應地包括用于駕駛員輔助或用于自動化駕駛的系統——尤其用于部分自動化的、有條件自動化(條件自動化)的、高度自動化的或全自動化的駕駛。駕駛系統尤其可以是自動化駕駛系統或自主駕駛系統。

該方法能夠實現在常規情況下使用第二對象選擇分支，并且通過人工神經網絡來選擇用于所述功能的主對象。這使得可以使用機器學習方法(縮寫ML，英語MachineLearning)。與傳統的基于規則的方法相比，使用神經網絡可以明顯提高對象選擇的效果。此外有利的是，通過傳感器數據的聚合(Aggregieren)可以將神經網絡的尺寸保持得相對較小。由此，可以在使用神經網絡時實現高效計算，并且產生對神經網絡的權重的較低存儲需求。特別有利的是，通過在神經網絡的訓練數據方面對由聚合的對象數據組表示的交通情況的新奇性(Neuartigkeit)進行評估，可以顯著提高該方法的可靠性。已發現，機器學習方法在應用情況中的性能很大程度地取決于：待處理或待分類的數據組是否與在學習方法的訓練中所使用的數據組具有足夠的相似性(Vergleichbarkeit)。在極端情況下，在僅使用神經網絡的情況下可能會發生輸入數據組的系統性錯誤評估。通過對交通情況的新奇性進行評估，在新奇性超過閾值的情況下，可以切換到使用基于規則的對象選擇分支來選擇用于輔助功能或駕駛功能的主對象。由此，可以將基于規則的對象選擇的優點與借助人工神經網絡的對象選擇的優點相結合，從而可以實現特別可靠且同時盡可能高效的方法。尤其能夠將神經網絡的性能與傳統的基于規則的用于對象選擇的方法的已證實的穩健性相結合。